基于非侵入式负荷量测的空调资源的聚合备用容量评估方法技术

本发明专利技术公开了一种基于非侵入式负荷量测的空调资源的聚合备用容量评估方法，主要包括：获取原始负荷数据后，利用基于耦合生成对抗网络的数据增强方法来丰富原始数据；然后，搭建基于尺度和权重递归图的多任务学习网络结构，并利用训练好的所述多任务学习网络获得空调状态以及负荷的预测序列；利用得到的预测序列进行微电网空调机组备用容量评估。运营商可以不需要获得所有房屋的详细暖通空调用电量来估计暖通空调机组的备用容量，只需要从智能电表上读取整个用电量，就可以实现直接的负荷控制，终端用户也不需要为暖通空调机组配备侵入式负荷监测设备，从而保护隐私。同时NILM技术还可以帮助微电网降低能耗成本和减载成本，增加收益。

【技术实现步骤摘要】

本专利技术属于非侵入式负荷监测，尤其涉及一种基于非侵入式负荷量测的空调资源的聚合备用容量评估技术方法。

技术介绍

1、近年来，全球能源与环境问题日渐突出，亟需提高能源利用率以降低碳排放。同时，随着智能电表在全球范围内的广泛安装，使得电力公司可以与用户良性互动，以提高需求侧管理效率和优化电网运行。因此，电能消耗细节监测作为一种节能使能应用，受到世界各国的广泛关注。

2、目前，负荷监测技术主要分为侵入式和非侵入式两种方式，其中，侵入式的负荷监测需要额外安装传感器来测量单个电器用电情况。而由hart[1]在1984年提出的非侵入式负荷监测(non-intrusive load monitoring，nilm)的概念，是仅通过软件工具分析用户总用电数据来监测户内每个或每类电器的用电功率和工作状态。nilm技术以一种经济、高效的方式向需求侧和供给侧反馈电器级别的功率消耗，有利于电网管理、用户节省电费，同时推动需求侧管理、节能减排。目前，已有多种算法被应用于解决nilm问题中，得益于近年来大数据技术、人工智能和边缘计算的发展，学者们提出了大量基于数学方法、本文档来自技高网...

【技术保护点】

1.一种基于非侵入式负荷量测的空调资源的聚合备用容量评估方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的空调资源的聚合备用容量评估方法，其特征在于，步骤1)中，所述原始负荷数据包括用电用户的总负荷数据以及空调负荷的单项数据：所述的用电用户的总负荷数据由安装在用户出线总口处的智能电表获取，所述的空调负荷数据由单独对空调设备设置的传感器进行获取，所述用电用户的总负荷数据以及空调负荷的单项数据的采样频率一致、且数据类型均为有功功率。

3.根据权利要求1所述的空调资源的聚合备用容量评估方法，其特征在于，步骤1)中，对获取到的原始数据采用基于耦合生成对抗网络(C-...

【技术特征摘要】

1.一种基于非侵入式负荷量测的空调资源的聚合备用容量评估方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的空调资源的聚合备用容量评估方法，其特征在于，步骤1)中，所述原始负荷数据包括用电用户的总负荷数据以及空调负荷的单项数据：所述的用电用户的总负荷数据由安装在用户出线总口处的智能电表获取，所述的空调负荷数据由单独对空调设备设置的传感器进行获取，所述用电用户的总负荷数据以及空调负荷的单项数据的采样频率一致、且数据类型均为有功功率。

3.根据权利要求1所述的空调资源的聚合备用容量评估方法，其特征在于，步骤1)中，对获取到的原始数据采用基于耦合生成对抗网络(c-gan)的增强方法进行数据增强，通过提供足够的学习数据来辅助训练，从而提高训练模型的泛化能力；通过耦合生成对抗网络(c-gan)生成更多的总电表读数和相应的空调耗电量。

4.根据权利要求3所述的空调资源的聚合备用容量评估方法，其特征在于，步骤1)中，所述耦合生成对抗网络(c-gan)是在生成对抗网络(gan)的基础上通过将总负荷数据和相应的空调负荷数据进行耦合形成耦合对抗生成网络(c-gan)，所述生成对抗网络(gan)由两...

【专利技术属性】
技术研发人员：杜洋，杨忠光，郭灵瑜，吴司敏，陈洪涛，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：